胶质母细胞瘤中胶质瘤相关小胶质细胞和巨噬细胞作为mTOR抑制潜在靶点的数据集
该数据集来自NCBI GEO,包含胶质母细胞瘤中胶质瘤相关小胶质细胞和巨噬细胞(GAM)在mTOR抑制下的表达谱数据。研究通过全转录组分析和细胞因子谱分析,在肿瘤细胞/GAM共培养模型中评估雷帕霉素或torin2处理以及替莫唑胺化疗对GAM表型的影响

基本信息
资源简介
胶质母细胞瘤中胶质瘤相关小胶质细胞和巨噬细胞作为mTOR抑制潜在靶点的数据集
Glioma-associated microglia and macrophages as a potential target for mTOR inhibition in glioblastoma
该数据集来自NCBI GEO,包含胶质母细胞瘤中胶质瘤相关小胶质细胞和巨噬细胞(GAM)在mTOR抑制下的表达谱数据。研究通过全转录组分析和细胞因子谱分析,在肿瘤细胞/GAM共培养模型中评估雷帕霉素或torin2处理以及替莫唑胺化疗对GAM表型的影响。数据可用于探索mTOR抑制对GAM增殖、氧消耗及促炎表型的调控作用,为胶质母细胞瘤免疫微环境研究提供转录组资源(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 10 202。
【数据内容】
源站描述(机器翻译,仅供参考):引言:胶质瘤相关小胶质细胞/巨噬细胞(GAM)是胶质母细胞瘤(GB)中主要的免疫细胞群体。GB细胞和GAM均表现出上调的mTOR信号。本研究旨在探究药理学mTOR抑制(mTORi)对GAM的特异性影响。材料与方法:我们对GAM表型进行了全面分析,包括全转录组分析和细胞因子谱分析。在肿瘤细胞/GAM共培养模型中,研究了mTORi(使用雷帕霉素或torin2)或替莫唑胺(GB患者的标准化疗药物)处理下的效应。结果:在我们的体外模型中,mTORi对GAM的核心生物学功能有显著影响,导致增殖减少和氧消耗降低。此外,mTORi处理诱导了小胶质细胞的促炎表型。结论:我们的f
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:GPL24676、9606。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE242829
【使用注意】
· 源站最后修改于 Oct 27 202,引用时请注意版本时效。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE242829
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
引言:胶质瘤相关小胶质细胞/巨噬细胞(GAM)是胶质母细胞瘤(GB)中主要的免疫细胞群体。GB细胞和GAM均表现出mTOR信号通路上调。本研究旨在探讨药理学mTOR抑制(mTORi)对GAM的特异性影响。材料与方法:我们对GAM表型进行了全面分析,包括全转录组分析和细胞因子谱分析。在肿瘤细胞/GAM共培养模型中,研究了雷帕霉素或torin2介导的mTORi以及替莫唑胺(GB患者的标准化疗药物)治疗的效果。结果:在我们的体外模型中,mTORi对GAM的核心生物学功能产生了显著影响,导致增殖减少和耗氧量降低。此外,mTORi治疗诱导了小胶质细胞促炎表型。结论:我们的研究结果证明了mTOR信号通路与GAM生物学的深刻相关性。此外,这些结果为针对GAM中mTOR信号通路的治疗干预作为潜在的新型治疗策略提供了理论依据。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




